这类工具确实需要"读"你的文件——但读和上传是两回事
要认出一份文件是发票还是合同、金额是多少、谁开的，工具必须先"读懂"里面写了什么——这一步没法跳过，不管是本地处理还是云端处理，都得先读。真正决定隐私边界的，是这个"读"的动作发生在哪里：是在你自己的 Mac 上跑完全部计算，还是把文件内容打包发到某个远程 API，让云端的大模型帮你分析完再传结果回来。
本地处理 vs 云端 AI 处理
不少打着"智能整理"旗号的工具，背后其实是调用云端大模型 API——这样做的好处是识别效果通常更好（云端模型普遍比本地小模型更强），代价是你的文件内容，哪怕只是抽取出的文本片段，也确实离开了你的设备，进了别人的服务器，具体存不存、存多久、会不会被用来训练模型，取决于对方的隐私政策，而不是你自己能控制的东西。对于合同、发票、身份证扫描件这类本身就敏感的文件，这条风险链是实打实存在的。更麻烦的是，你往往无法从产品界面上直接判断一款工具走的是本地还是云端——功能介绍里的"智能""AI 驱动"这类字眼，本地模型和云端 API 都能同样地使用，需要翻到隐私政策或技术说明里才能确认。
Filewise 的具体做法
Filewise 默认使用内置的本地 Qwen 模型来读内容和起名，首次启动时会自动在本机下载安装（约 2GB，只需一次）；如果你的 Mac 开启了 Apple 智能，会直接调用系统自带模型，连这次下载都省了；如果你自己装了 Ollama，Filewise 会优先用它。不管走哪条路，计算都在这台 Mac 本地完成——"上传"这个开关在设计上根本不存在，不是关闭了，是压根没有这条网络请求。
纯本地不是没有代价
说句公道话：纯本地模型的理解能力，目前确实和最强的云端大模型有差距，遇到罕见格式、复杂排版、模糊表述，本地模型判断出错或者判断不出来的概率会更高一些。这是为了把文件内容留在本机而必须付出的代价，不是"既要又要"的完美方案。Filewise 应对的方式是拿不准就不装懂——保留原名，排队等你确认，而不是硬编一个答案凑数。
该怎么权衡
如果你处理的文件本身就比较敏感（合同、发票、扫描件、财务记录），纯本地处理换来的隐私边界是值得的，即使识别精度上会有取舍。如果处理的只是不涉及隐私的日常文件（比如公开资料、样例文档），这个权衡的分量会小很多——纯本地更多是一种审慎的默认选择，而不是唯一正确答案。至于这套本地判断到底靠不靠谱、会不会误删文件，参见这篇；如果你想先了解找文件这件事本身，见下载的文件突然找不到了怎么办。
